请选择 进入手机版 | 继续访问电脑版

Hello Mat

 找回密码
 立即注册
查看: 6841|回复: 0

Logistic Regression回归

[复制链接]

1288

主题

1514

帖子

90

金钱

管理员

Rank: 9Rank: 9Rank: 9

积分
22589
发表于 2017-5-21 22:11:21 | 显示全部楼层 |阅读模式
Logistic Regression回归:
百度网盘链接:
视频链接:http://pan.baidu.com/s/1boA3tGr
具体链接在halcom.cn论坛,联系人QQ:3283892722
该论坛是一个学习交流平台,我会逐一的和大家分享学习。
欢迎大家录制视频,并提交给我,我来设置视频,你可在论坛进行打赏分享。
视频专用播放器:http://halcom.cn/forum.php?mod=viewthread&tid=258&extra=page%3D1

参考链接:
【1】http://www.cnblogs.com/zuizui1204/p/6423069.html
【2】http://blog.csdn.net/jinruoyanxu/article/details/68065844
使用环境:Win7-32bit-Anaconda2-4.3.1-Windows-x86.exe
数据集:http://pan.baidu.com/s/1kV4xwij
  1. # -*- coding: utf-8 -*-
  2. """
  3. Created on Sun May 21 21:37:04 2017

  4. @author: ysw
  5. """

  6. # 导入pandas与numpy工具包
  7. import pandas as pd
  8. import numpy as np

  9. # 获取训练数据
  10. # 创建特征列表
  11. column_names = ['Clump Thickness', 'Cell Size', 'Type']
  12. # 使用pandas.read_csv函数从互联网读取指定数据。
  13. # data = pd.read_csv(r'..\LogisticRegression\Breast-Cancer\breast-cancer-train.csv', names = column_names )
  14. data = pd.read_csv(r'..\LogisticRegression\Breast-Cancer\breast-cancer-train.csv' )
  15. # 将?替换为标准缺失值表示。
  16. data = data.replace(to_replace='?', value=np.nan)
  17. # 丢弃带有缺失值的数据(只要有一个维度有缺失)。
  18. data = data.dropna(how='any')
  19. data.shape
  20. data.index
  21. X_train = np.array( data.ix[:, ['Clump Thickness', 'Cell Size'] ], dtype=np.float64 )
  22. #y_train = np.array( data.ix[:, ['Type'] ], dtype=np.int64)
  23. y_train = data.ix[:, ['Type'] ].transpose()
  24. y_train = y_train.iloc[0,:]


  25. # 获取测试数据
  26. data = pd.read_csv(r'..\LogisticRegression\Breast-Cancer\breast-cancer-test.csv' )
  27. # 将?替换为标准缺失值表示。
  28. data = data.replace(to_replace='?', value=np.nan)
  29. # 丢弃带有缺失值的数据(只要有一个维度有缺失)。
  30. data = data.dropna(how='any')
  31. data.shape
  32. data.index
  33. X_test = np.array( data.ix[:, ['Clump Thickness', 'Cell Size'] ], dtype=np.float64 )
  34. y_test = np.array( data.ix[:, ['Type'] ], dtype=np.int64)
  35. #y_test = data.ix[:, ['Type'] ].transpose()
  36. #y_test = y_test.iloc[0,:]

  37. # 查验训练样本的数量和类别分布。
  38. #y_train.value_counts()
  39. # 查验测试样本的数量和类别分布
  40. #y_test.value_counts()

  41. # 从sklearn.preprocessing里导入StandardScaler。
  42. from sklearn.preprocessing import StandardScaler
  43. # 从sklearn.linear_model里导入LogisticRegression与SGDClassifier。
  44. from sklearn.linear_model import LogisticRegression

  45. # 标准化数据,保证每个维度的特征数据方差为1,均值为0。使得预测结果不会被某些维度过大的特征值而主导。
  46. ss = StandardScaler()
  47. X_train = ss.fit_transform(X_train)
  48. X_test = ss.transform(X_test)

  49. # 初始化LogisticRegression与SGDClassifier。
  50. lr = LogisticRegression()

  51. # 调用LogisticRegression中的fit函数/模块用来训练模型参数。
  52. lr.fit(X_train, y_train)
  53. # 使用训练好的模型lr对X_test进行预测,结果储存在变量lr_y_predict中。
  54. lr_y_predict = lr.predict(X_test)

  55. # 从sklearn.metrics里导入classification_report模块。
  56. from sklearn.metrics import classification_report
  57. # 使用逻辑斯蒂回归模型自带的评分函数score获得模型在测试集上的准确性结果。
  58. print 'Accuracy of LR Classifier:', lr.score(X_test, y_test)
  59. # 利用classification_report模块获得LogisticRegression其他三个指标的结果。
  60. print classification_report(y_test, lr_y_predict, target_names=['0', '1'])


复制代码
具体程序流程如图所示:





本帖子中包含更多资源

您需要 登录 才可以下载或查看,没有帐号?立即注册

x
算法QQ  3283892722
群智能算法链接http://halcom.cn/forum.php?mod=forumdisplay&fid=73
回复

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

Python|Opencv|MATLAB|Halcom.cn ( 蜀ICP备16027072号 )

GMT+8, 2024-3-29 18:43 , Processed in 0.220441 second(s), 22 queries .

Powered by Discuz! X3.4

Copyright © 2001-2021, Tencent Cloud.

快速回复 返回顶部 返回列表